何が起きたのか
CNBC(7月7日付)によると、米企業のAIコスト増加が中国製オープンモデルへのシフトを加速させている。OpenRouterのプラットフォーム上で、米企業のトークン使用量のうち中国製モデルが占める比率は、2月8日以降ずっと30%を上回り続け、ピーク時には46%に達した。この数字は過去12カ月平均の11%、2025年上半期の4.5%と比較すると、急速な普及ぶりが際立つ。
OpenRouterは複数のAIモデルを一つのAPIで切り替えて利用できる仲介プラットフォームであり、実際の企業のモデル選択動向を映す指標として業界で広く参照されている。同プラットフォーム上でのトークン使用比率の変化は、特定の企業の一時的な判断ではなく、市場全体のすう勢を反映したものと受け止められている。46%という数字は、単純計算すれば米企業が生成AIに費やすトークンの半分近くが中国製モデルによって処理されていることを意味する。
普及の中心にあるのが、中国のAI企業Zhipu(Z.ai)が6月にリリースした「GLM-5.2」だ。Vercelでエージェント型インフラを統括するハープリート・アローラ氏によると、GLM-5.2は同社が2026年に追跡した中で最も速いペースで採用が進んだモデルだという。発表後の最初の1週間で、1日あたりのトークン使用量は約27倍、利用企業数は約80倍に増えた。
アローラ氏によると、Vercelのプラットフォーム上で新モデルがこれほど急速に広がった例は過去になかった。通常、新しいモデルが企業の本番環境に組み込まれるまでには数週間から数カ月のテスト期間を要するが、GLM-5.2は発表から数日で既存のワークフローに組み込まれるケースが相次いだという。開発者コミュニティの間で口コミ的に評判が広がったことが、採用スピードを押し上げた一因とみられる。
普及の最大の理由はコストだ。中国製のオープンソースモデルは、米国の主要モデルと比べて60〜90%安いとされる。Zhipuが中国国内でホストするバージョンを利用する場合、トークン単価はOpenAIの同等モデルのおよそ15%にとどまる。具体的には、中国製モデルが100万トークンあたり18セント程度であるのに対し、米国のトップクラスのフロンティアモデルは同100万トークンあたり約4ドルとされる。
この価格差は企業のAI予算を直撃している。配車サービス大手ウーバーは、2026年のAI予算をわずか4カ月で使い切った。従業員がAIコーディングツールを急速に採用したことが原因で、経営陣は利用量の上限設定に踏み切らざるを得なくなった。こうした事例が、コストに敏感な企業ほど中国製モデルへ目を向ける流れを後押ししている。
ウーバーのケースが象徴的なのは、AI予算の枯渇が「想定外の事態」ではなく、生成AIが業務プロセスに深く組み込まれたことの当然の帰結だという点だ。エンジニアが日常的にAIコーディング支援を使うようになれば、トークン消費量は月次で右肩上がりに増え続ける。年間予算を四半期単位で策定していた企業ほど、想定を超えるペースでの消費増に直面しやすい構造がある。予算超過という現実が、経営陣にモデル選定基準の見直しを迫る直接的な引き金になっている。
一方でCNBC(7月8日付)は、米議会が中国製AIモデルの利用拡大を調査し始めたと報じた。米企業による利用そのものは現時点で禁止されていないが、データの扱いや安全保障上の懸念から、議員の間で対応策を検討する動きが出ている。
ウーバーの事例は氷山の一角にすぎない。複数のテック企業が、社内のAIコーディングツール利用量を四半期ごとに見直し、予算超過を理由に利用制限を導入し始めている。ある大手小売企業の情報システム部門幹部は、匿名を条件に「性能差が僅かであれば、コストが数分の一のモデルを選ばない理由がない」と語ったと報じられている。予算管理の担当者にとって、モデル選定はもはや技術部門だけの判断ではなく、経営レベルの意思決定事項になりつつある。
GLM-5.2の採用が広がった背景には、開発者コミュニティでの評判の伝播も大きい。オープンソースとして公開されているため、企業は自社のクラウド環境やオンプレミス環境に導入し、外部への通信を最小限に抑えた形で利用することも可能だ。この柔軟性が、コスト重視の企業だけでなく、データガバナンスを重視する企業の一部からも関心を集める理由になっている。
背景:これまでの経緯
中国製オープンモデルが米国市場で存在感を増す流れは、2025年初頭のDeepSeekショック以降、断続的に続いてきた。当時は「低コストで高性能なモデルが登場した」という驚きが中心だったが、2026年に入るとその流れは一過性の話題ではなく、企業のコスト管理における現実的な選択肢として定着しつつある。
DeepSeekショックの直後は、米国のAI企業や政策担当者の間で「一時的な話題性」として受け止める向きも少なくなかった。しかし1年以上が経過し、Zhipuをはじめとする複数の中国AI企業が継続的に高性能モデルを投入し続けたことで、単発の出来事ではなく持続的なトレンドであるとの認識が広がった。この認識の変化自体が、企業のモデル選定における心理的なハードルを下げる効果を持ったといえる。
性能面でも中国製モデルの評価は上がっている。ベンチマークを手がけるArtificial Analysisの評価によると、GLM-5.2はAnthropicの3モデルとOpenAIの1モデルに次ぐ世界5位にランクされ、グーグルのGeminiシリーズを上回る成績を残した。かつては「安いが性能は劣る」という位置づけだった中国製モデルが、コストと性能の両面で選択肢になり始めている。
この順位の意味は小さくない。わずか1年前まで、中国製モデルは主要ベンチマークの上位圏外に位置づけられることが多く、企業の本番環境での採用は限定的だった。GLM-5.2がグーグルのGeminiシリーズを上回る評価を得たことは、コーディング支援や複雑な推論タスクにおいても、実用レベルで欧米のトップモデルに伍する水準に達したことを示している。ベンチマーク上の順位が実際の企業導入に直結するわけではないが、調達担当者が中国製モデルを検討リストに載せる際の心理的なハードルを下げた効果は大きいとみられる。
こうした変化の背景には、生成AIの利用が企業の隅々まで浸透し、トークン消費量そのものが急増している事情がある。AIコーディング支援やカスタマーサポートの自動化など、日常業務への組み込みが進むほど、わずかな単価差が積み上がって大きなコスト差になる。企業が「タスクに応じて最も安い十分な性能のモデルを選ぶ」という行動を取り始めたのは、この構造の必然的な帰結といえる。
米国のAI企業側の値付けも、この流れを後押ししてきた側面がある。フロンティアモデルの学習には数十億ドル規模の計算資源投資が必要であり、その回収を織り込んだ価格設定にならざるを得ない。一方で中国製モデルは、政府系ファンドや国有企業からの間接的な資金支援を受けているとの指摘もあり、単純な市場競争とは異なる力学が価格差の背後にあるとの見方も存在する。この点は米中のAI政策論争においても繰り返し取り上げられてきた論点だ。
企業のAI予算の膨張スピードも見逃せない背景の一つだ。2025年から2026年にかけて、AIコーディング支援ツールの社内導入が急速に進み、エンジニア一人あたりのトークン消費量は前年の数倍に膨らんだ企業も少なくない。予算策定時の想定を実際の利用量が大きく上回る事態が相次ぎ、企業側はコスト効率の良いモデルへの乗り換えを迫られる形になっている。
世界トップメディアの見立て
CNBC(7月7日付、6月26日付)は2本の記事でこのテーマを掘り下げている。7月7日の記事では「OpenAIとAnthropicのコスト高騰を背景に、中国製AIモデルが米企業の間で勢いを増している」と報じ、6月26日の記事では「ZhipuがAnthropicとOpenAIに迫っている」との見出しで、性能面での接近を伝えた。両記事に共通するのは、コスト面での優位性だけでなく、性能面でも中国製モデルが着実に差を縮めているという認識だ。単なる「安かろう悪かろう」の構図では説明がつかなくなっている点を、CNBCは繰り返し強調している。
CNBC(7月8日付)はさらに、米議会が中国製モデルの普及を問題視し始めた動きを報じている。安全保障上の懸念とビジネス上の合理性がせめぎ合う構図が、政策論争としても顕在化しつつある。
非営利のジャーナリズム媒体Rest of World(7月付)は、DeepSeek以降の低価格中国製モデルが米国内で着実に浸透している実態を、企業の現場取材を交えて伝えた。CSIS(戦略国際問題研究所)は分析レポート「中国製AIモデルについて知っておくべきこと」で、技術面・地政学面の両方から中国製モデルの台頭を整理している。同レポートは、中国政府がAI産業を国家戦略として位置づけ、開発企業への政策的支援を続けてきた経緯にも触れており、単なる企業間競争を超えた国家間の技術覇権争いという文脈でこの現象を捉えている。
国連(UN News、7月付)は、AIガバナンスに関する国際対話が開催され、各国政府や企業、学界が「破滅的な害」への懸念を共有しつつ、規制のあり方を議論したと報じた。急速に進化する技術に規制が追いつかない現状への危機感が、国際社会でも共有されている。
各メディアの論調を比較すると、温度差が見えてくる。CNBCはコストとビジネス合理性を軸に、企業が中国製モデルへ流れる現象を「市場の自然な反応」として描く傾向が強い。一方でCSISやUN Newsは、安全保障やガバナンスの観点から、この流れに伴うリスクを強調する立場を取る。同じ現象でも、経済メディアと安全保障系のシンクタンクとでは、注目するポイントと危機感の度合いが異なっている点は読み手として意識しておきたい。
Rest of Worldの現場取材からは、企業の担当者が必ずしも中国製モデルの出所を意識せずに導入しているケースも報告されている。オープンソースとして公開されたモデルは、クラウドベンダー経由で提供されることも多く、利用企業側からは「どの国のモデルか」が見えにくい構造になっていることも、普及を後押ししている要因の一つだ。
数字で見る
| 項目 | 数値 |
|---|---|
| 中国製モデルが占める米企業のトークン使用比率(ピーク) | 46% |
| 過去12カ月平均の比率 | 11% |
| 2025年上半期の比率 | 4.5% |
| GLM-5.2発表後1週間のトークン量増加 | 約27倍 |
| 同期間の利用企業数増加 | 約80倍 |
| 中国製モデルの価格(100万トークンあたり) | 約18セント |
| 米フロンティアモデルの価格(100万トークンあたり) | 約4ドル |
| Artificial AnalysisベンチマークでのGLM-5.2順位 | 世界5位 |
これらの数字を並べてみると、比率の変化がいかに急激だったかが分かる。2025年上半期の4.5%から2026年のピーク46%まで、1年程度で使用比率が10倍以上に膨らんだ計算になる。トークン単価の差(約4ドル対約18セント)は20倍以上に達しており、単純なコスト計算だけを見れば、企業がこの価格差を無視できない理由は明白だ。
日本への影響・示唆
日本企業にとっても、AIコストの高騰は共通の課題だ。生成AIを業務に組み込む企業が増えるほど、トークン単価の差が経営に与える影響は無視できなくなる。コスト最適化の観点から、複数のモデルをタスクに応じて使い分ける「モデルルーティング」の発想は、日本企業にも参考になるはずだ。
単純作業の要約や下書き生成には廉価なモデルを、重要な意思決定に関わる分析には高性能なフロンティアモデルを、といった使い分けは、コストと品質のバランスを取る現実的な解になり得る。今後は、こうしたモデルルーティングを自動化するミドルウェアやツールの需要も高まっていくとみられる。
一方で、中国製モデルの利用には日本独自の論点もある。データの越境移転や情報セキュリティに関する社内規程が厳しい企業では、中国側でホストされるモデルの利用に慎重にならざるを得ない。オープンソースとして公開されたモデルを自社環境や信頼できるクラウド上で運用する選択肢と、中国側がホストするサービスを直接利用する選択肢とでは、リスクの性質が異なる点を整理して検討する必要がある。
特に金融・医療・行政など機密性の高いデータを扱う業界では、モデルの提供元が中国企業であること自体が調達審査の対象になり得る。社内規程やクライアントとの契約条件によっては、オープンソースとして公開されたウェイトを自社で完全にホスティングし、外部との通信を遮断した形で運用するオプションが現実的な落とし所になるだろう。逆に、機密性がそれほど高くない業務用途であれば、コストメリットを優先して中国側のホスティングサービスを利用する判断も十分にあり得る。用途ごとにリスクとコストを天秤にかける姿勢が求められている。
この判断を個々の担当者の裁量に委ねるのではなく、経営層が明確な基準を示すことが望ましい。どの業務にどのリスク許容度のモデルを使ってよいかを事前に整理しておけば、現場での判断の迷いを減らし、説明責任を果たしやすい体制につながる。基準づくりを後回しにした企業ほど、後になって想定外のリスクに直面しやすい。
TechCreateのようなメディア・コンテンツ制作の現場においても、AIコストの構造変化は他人事ではない。原稿生成や校正、リサーチ補助などにAIを活用する企業にとって、コストパフォーマンスに優れたモデルの選択肢が増えることは歓迎できる一方、利用するモデルの性質や学習データの出所について説明責任を果たせる体制を整えておくことが、クライアントワークにおいては重要になる。
日本企業の情報システム部門にとって、今回の一件は「モデル選定の透明性」という新しい経営課題を突き付けている。どのモデルをどの業務に使うかを一元的に把握し、契約先のクラウドベンダーがどの国のモデルを裏側で採用しているかまで確認する体制は、まだ多くの企業で整っていない。取引先や顧客から説明を求められた際に答えられる体制づくりが、今後の企業のAI活用における最低限のガバナンスラインになっていくだろう。
また、日本国内でもAI関連の開発コストは経営課題として重みを増している。自社SaaSを開発する企業にとって、バックエンドで利用する生成AIモデルの選定は、機能面だけでなくコスト構造そのものを左右する経営判断だ。フロンティアモデルと廉価なオープンモデルを使い分けるハイブリッド戦略は、日本のスタートアップにとっても現実的な選択肢になりつつある。
円安基調が続く為替環境も、日本企業にとってはコスト差をさらに増幅させる要因になる。ドル建てで課金される米国製フロンティアモデルの利用コストは、円換算では為替変動の影響をそのまま受ける。コスト効率に優れたモデルへの分散は、為替リスクを軽減する副次的な効果も持ち合わせている点は見落とされがちだが、経営企画部門としては押さえておきたい視点だ。為替と調達コストを一体で管理する発想は、これまでAI予算の議論であまり重視されてこなかった。
今後の見通し
第一に、米議会が中国製AIモデルの利用に対して具体的な規制に踏み込むかが焦点になる。現時点では利用自体は禁止されていないが、安全保障上の懸念が強まれば、政府調達や重要インフラでの利用制限といった形で規制が具体化する可能性がある。過去の中国製通信機器やアプリをめぐる規制論争と同様のパターンをたどるかどうかが、今後の議会審議で問われる。民間企業の自由な選択と、国家安全保障上の懸念との間でどこに線を引くかは、簡単に答えの出る問題ではない。
第二に、AnthropicやOpenAIといった米国の主要プレーヤーが、価格面でどう対抗するかが注目される。性能面で優位を保ちながら、コスト面での競争力をどう確保するかは、各社の事業戦略における重要な分岐点になる。すでに一部の米国AI企業は、軽量版モデルの投入や、タスクに応じた段階的な価格設定を導入し始めており、中国製モデルとの価格競争に一定の対応を見せている。
第三に、企業側のガバナンス整備が進むかどうかも見どころだ。海外モデルを利用する際のセキュリティ基準や説明責任の枠組みが、業界横断的に標準化されていく可能性がある。業界団体や第三者機関による認証制度のような枠組みが整えば、企業は個別にリスク評価を行う負担を軽減できるようになるだろう。
第四に、オープンソースモデルのエコシステムそのものが、米中の枠組みを超えて多極化するかも注目される。欧州や中東でも独自のオープンモデル開発が進んでおり、企業が選べる選択肢が今後さらに広がる可能性がある。単一の勝者が市場を独占する構図ではなく、用途とコストに応じて複数のモデルを併用する時代に向かいつつある。この多極化の流れは、特定国への依存リスクを分散させる意味でも歓迎されるだろう。
いずれにせよ、コストと性能とガバナンスという3つの軸を同時に満たすモデル選びは、今後のAI活用における企業の競争力を左右するテーマであり続けるだろう。安さだけを追う判断も、安全性だけを重視する判断も、どちらも一面的だ。両者のバランスをどう取るかという地味な経営判断の積み重ねが、結果的に企業間の競争力の差になって表れてくる局面が続く。派手な技術革新のニュースの陰で、こうした地道な調達判断こそが企業の明暗を分けていく。
AIのコスト構造が変わる速さは、企業の意思決定の速さを上回り始めている。
